Python列表生成器与生成器

一、列表生成器

列表生成式即List Comprehensions

>>>list(range(1,5))
[1, 2, 3, 4]

>>>[x * x for x in range(1, 5)] // 即直接生成x平方的列表
[1, 4, 9, 16]

// 加判断 只生成偶数的平方

[x * x for x in range(1, 11) if x % 2 == 0]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

// 两层循环
// range(1,5)为[1,2,3,4]  range(5,9)为[5,6,7,8]

>>>x + y for x in range(1, 5) for y in range(5, 9)
[6, 8, 10, 12]

二、生成器

上面我们提到的列表生成器，是直接创建了一个列表，显而易见，当数量很大时，直接创建一个列表，相当占内存。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。

我们用列表生成器的时候用的是 [ ]，而我们如果用( )，那么我们就创建了一个生成器。

参考廖老师的例子

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

我们可以通过 next() 函数来获得生成器内的数据

>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

当我们创建好了一个生成器之后，可以用for循环读取数据
此外：
当一个函数内，我们用到了 yeild 函数，那么这个函数就变成了一个generator
比如，斐波拉契数列（Fibonacci）:

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>

这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
获得数列的结果：

>>> for n in fib(6):
...     print(n)
...
1
1
2
3
5
8